论文：pdf
摘要
本文提出了一种低成本的立体视觉惯性定位系统，该系统利用基于多状态约束卡尔曼滤波（msckf）的视觉惯性里程计（vio）同时利用先验lidar地图 来提供有界误差的三维导航。除了VIO中使用的标准稀疏视觉特征测量外，在紧密耦合的MSCKF更新中，还利用视觉半稠密云到先前激光雷达地图的全局注册，从而校正累积漂移。特别讨论了视觉点云和激光雷达点云之间的交叉模态约束。通过蒙特卡洛模拟和实际实验验证了该方法的有效性，结果表明，通过不同的感知方式建立的云之间的lidar地图约束极大地提高了标准vio，并提供了有界误差性能。
引用
- 三维激光雷达成本高，低成本的视觉惯性定位传感器无法达到同样的精度。解决办法：将这两种传感方式进行经济有效的融合，前提是第三方可以提供单一的精确先验激光雷达图，或者使用激光雷达建立先验信息。
- 方法：
- 采用轻量级的VIO系统：MSCKF
- 滤波器中只保留恒定窗口中IMU的状态，没有保存特征
- 进行半稠密建图，生成可视点云，并加入到地图中
- 将配准结果作为相机的全局定位，以紧耦合的方式融合视觉与IMU测量
- 作者的贡献：
- 设计了一个紧密耦合的视觉定位状态估计器，它可以有效地利用先前的lidar地图约束（不同感知方式的）来进行实时测量。与昂贵的基于激光雷达的方案相比，这是一种实时提供有界误差的6自由度位姿估计的低成本方案。
- 通过视觉半稠密重建和基于正态分布变换（NDT）的配准，构建先前激光雷达地图的全局测量约束。这些测量与传统的稀疏视觉特征测量和正确的累积漂移一起用于msckf更新，我们还导出了测量雅可比。
- 所提出的视觉惯性定位系统仅在单个多线程CPU上运行，并在蒙特卡罗模拟和实际实验中得到验证。